А чтобы научить модуль "Вопросы и ответы" русскому языку, можно станцевать с бубном или с мерами😱
Подробности тут:
https://kkadikin.ru/ru/blog/article_012/
P. S. Спасибо за ссылку коллегам из чатика Power BI) https://news.1rj.ru/str/PBI_Rus

Котятки,
Сейчас, подходя к дашборду как бизнес-аналитик, я все больше понимаю:
- на этапе бизнес-анализа надо собирать все данные о проблеме, а не только те, которые предоставлены изначально заказчиком;
-выводить на дашборд надо те данные, которые имеют отношение к принятию решения;
-работая с глубиной контекста, необходим баланс между "выбраковкой" лишнего и углублением данных ради самого углубления.
Где этот баланс-не ясно, а линк на плакат "Ошибки в данных" и их детальный разбор ловите:
https://www.geckoboard.com/best-practice/statistical-fallacies/

Профессия бизнес-аналитика переживает вторую волну популярности. Несмотря на то, что я в их числе, мне кажется, что в ближайшем будущем эта профессия или умрет, или трансформируется. Концепция Augmented Analytics пережила бум а 2017-2018 годах, и не нашла воплощения: разработка реально работающего продукта стоит дорого, а выхлоп пока не ясен. Но думаю, у нас всё впереди🙈
Крутая статья на Medium :
https://medium.com/analytics-for-humans/augmented-analytics-demystified-326e227ef68f
Обзорная статья Gartner тут:
https://blogs.gartner.com/rita-sallam/2017/07/31/just-buying-into-modern-bi-and-analytics-get-ready-for-augmented-analytics-the-next-wave-of-market-disruption/
Как изменится жизнь - тут:
https://lingarogroup.com/augmented-analytics/

Котятки,
"Под капотом" дашборда лежат процессы управления данными, -то, что обеспечивает непрерывность поставки данных в дашборд, их надежность и полноту .
Концепция DataOps включает в себя инструменты и процессы, которые способствуют более быстрой и надежной аналитике данных.
Подробная статья на тему:
https://www.dataversity.net/understanding-dataops/

В последнее время я все чаще наталкиваюсь на вопросы, связанные с предиктивной и прогнозной аналитикой. Новый концепт - Continuous Foresight- говорит нам о том, что от дискретной предиктивной аналитики мы должны перейти к непрерывной.
Свеженькая статья в блогах Gartner тут:
https://blogs.gartner.com/marty-resnick/continuous-foresight-important-ever/
Увы и ах, возможности BI-ПО в вакууме явно рассчитаны на описательную и диагностическую аналитику, и работа с объемами данных для предиктивной аналитики возможна только с использованием хранилищ с раскатанными и материализованными витринами.

Котятки🐱
Я уже меньше озабочена вопросом привыкания пользователей к BI , и моя новая забота - self-service. Очень просто убедить пользователя excel и power query в том, что ему нужен Power BI , но убедить его, что ему нужен Qlick или Tableau уже сложнее, - нет удачного наследования семантики и навигации.
Но унывать не надо, а статья на тему того, как побудить команду использовать BI тут👇:
https://lingarogroup.com/business-intelligence-tools/

​​Аналитики, как и все остальные люди, могут быть подвержены когнитивным искажениям при принятии решений. Как избегать выводов, которые основаны на эмоциях и приводят к ошибочным выборам?

20 мая в 19:00 (мск) в рамках шестимесячного онлайн-курса «Профессия: Аналитик», ребята из ProductStar проводят бесплатный вебинар «Как измерить неизмеримое».

👨‍🏫 Кто выступит?

Сергей Кадомский, Product Manager в Craft.co

🎓 О чем пойдет речь?

— Рассмотрим типичные когнитивные искажения, которые мешают людям принимать взвешенные решения.
— Предложим простые рекомендации, как давать более точные оценки, избавившись от ментальных ловушек.
— Разберём простой фреймворк, который поможет научиться измерять качество или безопасность.

🔥 Два самых активных участника вебинара получат сертификат на бесплатное обучение в ProductStar.

Участие бесплатное, но регистрация обязательна.

Зарегистрироваться на вебинар 👉 @ProductStarAnalyticsBot

Котятки🐱
Как-то мы с коллегой обсуждали вопрос объединения локальных и облачных источников в Power BI , и выяснилось, что локальные шлюзы работают, но весьма себе ограниченно, только с обычными службами Microsoft. Но это уже кое-что)
Линк:
https://docs.microsoft.com/ru-ru/power-bi/connect-data/service-gateway-mashup-on-premises-cloud

Котятки🐱
Сегодня у нас фундаменталочка из 7 глав по дизайну и проектированию дашборда.
В ней, помимо очевидных вещей, есть прикольная классификация пользователей (не по принципу пирамиды Минто, а по принципу характера потребления информации), расширенный экскурс в прототипирование и подборочка трендов.
Линк:
https://www.logianalytics.com/dashboarddesignguide/

У нас в канальчике уже были reference - book с типами визуализаций и образцами для Tableau и PBI.
Настало время Qlik.
Ловим:
https://showcase3.qlik.com/sense/app/6157ecd5-a867-4dbb-9534-c1c8ebdd6db3/sheet/7e85e7dd-3b37-4fc0-aeab-18242b641d2e/state/analysis

У многих компаний есть брендбук с жестко закрепленной цветовой гаммой. Power BI поддерживает темы (как тот же Power Point) , позволяющие задать цветовую гамму, и умеет с недавних пор их экспортировать.
Линк на статью:
https://dataveld.com/2019/12/31/data-color-reference-for-power-bi-themes-as-of-december-2019/

Power BI имеет много встроенных коннекторов, но для 1С пока прямого встроенного коннектора нет.
Каждый выходит из положения по-своему, я встречала 3 способа:
1) Через промежуточную БД (хранилище). Долго, дорого, наиболее эффективно.
Пример статьи-приключения:
https://expert.chistov.pro/public/1091360/
2) Через использование веб-канала ODATA(Open Data Protocol ), - ручками или с помощью генератора.
Быстро, несистемно, безопасники могут не одобрить.
Пример: https://softonit.ru/articles/uit/syncing-data-PowerBI/
3) Написать свой коннектор.
Тут достоинства очевидны)
Подходы описаны тут:
https://docs.microsoft.com/ru-ru/power-bi/connect-data/desktop-connector-extensibility

Линк на видосик 1С+ODATA от BI Team c их генератором запросов🙈:
https://youtu.be/Tel-Fw2SeVc

Котятки,
Все в мире приходит под запрос)
И вот я задалась вопросом, - как использовать BI для работы над кейсами предиктивной аналитики?
1) Статья-приключение Predictive Analytics using Power BI:
https://community.dynamics.com/365/b/businesstransformationdynamics365/posts/predictive-analytics-using-power-bi
2) Автоматизированное машинное обучение PBI:
https://docs.microsoft.com/ru-ru/power-bi/transform-model/service-machine-learning-automated
3) Подготовка данных для ML с помощью потоков данных:
https://docs.microsoft.com/ru-ru/power-bi/transform-model/service-dataflows-overview#summary-of-self-service-data-prep-for-big-data-in-power-bi
4) Мануал про добавление и использование в Power BI открытой питоновской библиотеки для решения задач кластеризации и поиска аномалий:
https://towardsdatascience.com/machine-learning-in-power-bi-using-pycaret-34307f09394a

Вдогонку вчерашнему посту: язык R по умолчанию строение в Power BI , поэтому
может использоваться для многих типов анализов, включая предиктивную аналитику.
Линк на статью-мануал, как соорудить регрессионный анализ с помощью PBI:
https://medium.com/qash/predictive-analytics-using-logistic-regression-in-power-bi-2c695c9345cc

Строить прогнозы в Tableau очень легко, особенно, когда прогноз строится с использованием временных рядов (т.е. на будущие периоды),а с возможностями python мы имеем более широкий выбор моделей для прогнозирования. Все это помогает, не прибегая к долгим расчетам, показать вменяемую линию тренда прямо на нашей визуализации фактических данных.
1. Прогнозирование в Tableau:
https://help.tableau.com/current/pro/desktop/en-us/forecasting.htm
2. Пошаговый мануал "как создать прогноз":
https://help.tableau.com/current/pro/desktop/en-us/forecast_create.htm
3. Прогнозирование с использованием алгоритма ARIMA с инструментами Tableau+Python:
https://towardsdatascience.com/forecasting-with-python-and-tableau-dd37a218a1e5

Про прогнозирование временных рядов с использованием различных моделей читать тут, но это уже не про дашборды)

Пилотирую новую рубрику «Лайфхаки в Табло» — короткие видео с необычными приёмами или мелочами, которые можно пропустить при работе с Табло. Написал в блоге почему решил её запустить.

0:00 — Сортировка по значению за последний месяц с помощью nested table calcs
4:04 — Оформление спарклайнов при помощи reference lines
7:12 — Highlighted таблица с подсветкой по одной метрике из measure values

Мне не раз писали с просьбой дать лучшие практики для маркетинга. И каждый раз я обхожу эту тему стороной, - инструментарий принятия решений, который задействован в этой сфере, очень обширен. Можно пройтись по основному, но не факт, что это будет применимо в рамках конкретной бизнес-модели. Но я верю, что время настанет:)
А пока линк на статью про виды BI -подобных решений, которые встречаются в маркетинге, проблемы в этой области и, что самое главное, типы контекста, который необходим маркетологам для принятия решения:
https://www.sweetspot.com/en/2018/01/03/please-not-another-dashboard/

Сегодняшняя подборочка касается этики и безопасности:
1. Как создавать аналитические продукты в условиях, когда конфиденциальность является критической:
https://www.oreilly.com/content/how-to-build-analytic-products-in-an-age-when-data-privacy-has-become-critical/
2. Бизнес-аналитика и этика:
https://www.mhlnews.com/archive/article/22040314/business-intelligence-and-ethics-can-they-work-together
3. Этика ИИ:
https://www.oreilly.com/radar/the-ethics-of-artificial-intelligence/
4. Исследования по этике данных от Accenture:
https://www.accenture.com/ro-en/insight-data-ethics
5. Взгляд на этику с разных сторон: этика данных, этика алгоритмов, этика практик :
https://deeperinsights.com/making-data-ethics-your-competitive-edge/

Котятки,
Вчера я углубилась в визуализацию многомерных данных)
-Если кратко: наш подход к визуализации эволюционирует волнами. Про волны читать тут: https://www.tableau.com/about/blog/2019/2/three-waves-data-visualization-brief-history-and-predictions-future-100830
- мы со своими любимыми BI всё ещё серфим на второй волне и близки к освоению "грамматики графики"
Что это такое - читать тут:
https://www.machinelearningmastery.ru/a-comprehensive-guide-to-the-grammar-of-graphics-for-effective-visualization-of-multi-dimensional-1f92b4ed4149/
Для тех, кто хочет уходить в основы, можно поизучать:
-Жак Бертен "Semiology of Graphic"
- The Grammar of Graphics Leland Wilkinson